El pronóstico de series de tiempo es clave en múltiples ámbitos
Crecimiento exponencial en la cantidad de datos disponibles
Los métodos actuales de pronóstico requieren amplios conocimientos, son difíciles de automatizar y/o son demandantes computacionalmente
Capaces de seleccionar de forma automática el mejor ajuste
No requieren entrenamiento previo ni conocimientos especializados
Basados en arquitecturas transformer
Tip
¿Qué tan bien se desempeñan?
Comparar la precisión, eficiencia y facilidad de pronosticar series de tiempo
ARIMA
XGBoost y LightGBM
LSTM
TimeGPT y Chronos
Definir y aplicar métricas de evaluación
MAPE
Interval score
Serie de tiempo
Conjunto de observaciones \(\{z_1, z_2, ..., z_t, ..., z_n\}\) cuantitativas ordenadas en el tiempo.
Componentes de una serie
Tendencia
Estacionalidad
Residuos
Tendencia
Estacionalidad
Residuos
Media constante en el tiempo
Variancia constante en el tiempo
Correlación entre observaciones dependiente únicamente de la distancia en el tiempo
Número de atenciones en guardia por patologías respiratorias en el hospital en el Hospital de Niños Víctor J. Vilela de la ciudad de Rosario.
Número trabajadores asalariados en el rubro de la enseñanza privada en Argentina.
Temperatura (Cº) por hora en la ciudad de Rosario.
Información provista por la Dirección General de Estadística de la Municipalidad de Rosario.
Datos extraídos del informe Situación y evolución del Trabajo Registrado de la Secretaría de Trabajo, Empleo y Seguridad Social
Datos obtenidos a partir de la página del Servicio Meteorológico Nacional
Datos obtenidos a partir de la página del Servicio Meteorológico Nacional